第21章 描述性统计表

21.1 概述

在进行数据处理时，我们会将数据描述制成表格，即描述性统计表。我们可以用gtsummary包完成这些表格的制作。下面我们将使用gtsummary包中的trial数据集来了解gtsummary的功能。

21.2 简易表格

我们先来看一下如何用gtsummary快速制作一张统计描述表。

# 加载包
library(gtsummary)

# 加载数据集
data(trial)

# 显示前6行数据
trial %>% head()
## # A tibble: 6 × 8
##   trt      age marker stage grade response death ttdeath
##   <chr>  <dbl>  <dbl> <fct> <fct>    <int> <int>   <dbl>
## 1 Drug A    23  0.16  T1    II           0     0    24  
## 2 Drug B     9  1.11  T2    I            1     0    24  
## 3 Drug A    31  0.277 T1    II           0     0    24  
## 4 Drug A    NA  2.07  T3    III          1     1    17.6
## 5 Drug A    51  2.77  T4    III          1     1    16.4
## 6 Drug B    39  0.613 T4    I            0     1    15.6
# 简易描述统计表
trial %>% 
  select(trt, age, marker, stage, ttdeath) %>% 
  tbl_summary()
Characteristic N = 2001
Chemotherapy Treatment
    Drug A 98 (49%)
    Drug B 102 (51%)
Age 47 (38, 57)
    Unknown 11
Marker Level (ng/mL) 0.64 (0.22, 1.39)
    Unknown 10
T Stage
    T1 53 (27%)
    T2 54 (27%)
    T3 43 (22%)
    T4 50 (25%)
Months to Death/Censor 22.4 (16.0, 24.0)
1 n (%); Median (IQR)

通过上表我们可以发现，连续变量默认描述为中位数（四分位数），缺失值显示为“Unknown”，分类变量描述为例数（百分比）。

注意： 如果连续变量的数值种类在10以内，表格会自动将该连续变量调整为分类变量进行描述。如果要保持连续变量的描述，需要在tbl_summary()函数中声明参数type = list(变量名称 ~ "continuous")。

我们也可以对不同变量个性化地设置描述方式。

trial %>% 
  select(trt, age, marker, stage, ttdeath) %>% 
  tbl_summary(
    statistic = (
      list(
        all_continuous() ~ "{mean} ({sd})", # 设置所有连续变量的描述方式
        c("age","marker") ~ "{median} [{p25}, {p75}]", # 单独设置age,marker变量描述方式
        all_categorical() ~ "{n} / {N} ({p}%)" # 设置所有分类变量的描述方式
      )
    ),
    digits = (
      list(
        all_continuous() ~ 2, # 设置连续变量的小数点位数
        "age" ~ 0 # 单独设置age变量的小数点位数
      )
    )
  )
Characteristic N = 2001
Chemotherapy Treatment
    Drug A 98 / 200 (49%)
    Drug B 102 / 200 (51%)
Age 47 [38, 57]
    Unknown 11
Marker Level (ng/mL) 0.64 [0.22, 1.39]
    Unknown 10
T Stage
    T1 53 / 200 (27%)
    T2 54 / 200 (27%)
    T3 43 / 200 (22%)
    T4 50 / 200 (25%)
Months to Death/Censor 19.62 (5.28)
1 n / N (%); Median [IQR]; Mean (SD)

21.3 添加组间比较

如果我们想按照不同trt分组描述，可以声明tbl_summary(by = trt)参数。

trial %>% 
  select(trt, age, marker, stage, ttdeath) %>% 
  tbl_summary(
    by = trt,
    statistic = (
      list(
        all_continuous() ~ "{mean} ({sd})", # 设置所有连续变量的描述方式
        c("age","marker") ~ "{median} [{p25}, {p75}]", # 单独设置age,marker变量描述方式
        all_categorical() ~ "{n} / {N} ({p}%)" # 设置所有分类变量的描述方式
      )
    ),
    digits = (
      list(
        all_continuous() ~ 2, # 设置连续变量的小数点位数
        "age" ~ 0 # 单独设置age变量的小数点位数
      )
    )
  ) %>% 
  add_p( # 添加组间比较
    test = list(c("marker","ttdeath") ~ "t.test"),
    pvalue_fun = function(x){style_pvalue(x, digits = 2)} # 设置P值的小数点位数
  ) %>% 
  add_overall() %>%  # 添加总体描述
  add_n() # 添加总体样本量
Characteristic N Overall, N = 2001 Drug A, N = 981 Drug B, N = 1021 p-value2
Age 189 47 [38, 57] 46 [37, 59] 48 [39, 56] 0.72
    Unknown
11 7 4
Marker Level (ng/mL) 190 0.64 [0.22, 1.39] 0.84 [0.24, 1.57] 0.52 [0.19, 1.20] 0.12
    Unknown
10 6 4
T Stage 200


0.87
    T1
53 / 200 (27%) 28 / 98 (29%) 25 / 102 (25%)
    T2
54 / 200 (27%) 25 / 98 (26%) 29 / 102 (28%)
    T3
43 / 200 (22%) 22 / 98 (22%) 21 / 102 (21%)
    T4
50 / 200 (25%) 23 / 98 (23%) 27 / 102 (26%)
Months to Death/Censor 200 19.62 (5.28) 20.23 (4.99) 19.04 (5.50) 0.11
1 Median [IQR]; n / N (%); Mean (SD)
2 Wilcoxon rank sum test; Welch Two Sample t-test; Pearson’s Chi-squared test

21.4 格式调整

trial %>% 
  select(trt, age, marker, stage, ttdeath) %>% 
  tbl_summary(
    by = trt,
    statistic = (
      list(
        all_continuous() ~ "{mean} ({sd})", # 设置所有连续变量的描述方式
        c("age","marker") ~ "{median} [{p25}, {p75}]", # 单独设置age,marker变量描述方式
        all_categorical() ~ "{n} / {N} ({p}%)" # 设置所有分类变量的描述方式
      )
    ),
    digits = (
      list(
        all_continuous() ~ 2, # 设置连续变量的小数点位数
        "age" ~ 0 # 单独设置age变量的小数点位数
      )
    ),
    # missing = "no", # 此行代码将不显示缺失值
    missing_text = "Missing", # 将缺失值一栏显示为"Missing"
    label = stage ~ "Tumor Stage", # 调整变量名称
  ) %>% 
  add_p( # 添加组间比较
    test = list(c("marker","ttdeath") ~ "t.test"),
    pvalue_fun = function(x){style_pvalue(x, digits = 2)} # 设置P值的小数点位数
  ) %>% 
  add_overall() %>%  # 添加总体描述
  add_n() %>% # 添加总体样本量
  modify_header(
    label ~ "**Variable**" # 调整变量栏名称
  ) %>%  
  modify_spanning_header(
    c("stat_1", "stat_2") ~ "**Treatment Group**" # 为分组添加变量名称stat_1,stat_2不能改
  ) %>% 
  modify_footnote(
    all_stat_cols() ~ "Median [Q1,Q3], Mean (SD) or Frequency (%)", # 调整表注
  ) %>%
  separate_p_footnotes() %>% # 为各类比较分别添加表注
  modify_caption("**Table 1. Patient Characteristics**") %>% # 添加表题
  bold_labels() # 将变量名称加粗
Table 21.1: Table 1. Patient Characteristics
Variable N Overall, N = 2001 Treatment Group p-value
Drug A, N = 981 Drug B, N = 1021
Age 189 47 [38, 57] 46 [37, 59] 48 [39, 56] 0.722
    Missing
11 7 4
Marker Level (ng/mL) 190 0.64 [0.22, 1.39] 0.84 [0.24, 1.57] 0.52 [0.19, 1.20] 0.123
    Missing
10 6 4
Tumor Stage 200


0.874
    T1
53 / 200 (27%) 28 / 98 (29%) 25 / 102 (25%)
    T2
54 / 200 (27%) 25 / 98 (26%) 29 / 102 (28%)
    T3
43 / 200 (22%) 22 / 98 (22%) 21 / 102 (21%)
    T4
50 / 200 (25%) 23 / 98 (23%) 27 / 102 (26%)
Months to Death/Censor 200 19.62 (5.28) 20.23 (4.99) 19.04 (5.50) 0.113
1 Median [Q1,Q3], Mean (SD) or Frequency (%)
2 Wilcoxon rank sum test
3 Welch Two Sample t-test
4 Pearson’s Chi-squared test

gtsummary还预设了一些期刊风格，我们可以直接调用。

# 将gtsummary风格预设为jama风格
theme_gtsummary_journal("jama")

# 允许不同风格相互叠加
theme_gtsummary_compact()

# 生成表格
trial %>%
  select(trt, age, marker, stage, ttdeath) %>%
  tbl_summary(by = trt, missing_text = "Missing")
Characteristic Drug A, N = 98 Drug B, N = 102
Age, Median (IQR) 46 (37 – 59) 48 (39 – 56)
    Missing 7 4
Marker Level (ng/mL), Median (IQR) 0.84 (0.24 – 1.57) 0.52 (0.19 – 1.20)
    Missing 6 4
T Stage, n (%)

    T1 28 (29) 25 (25)
    T2 25 (26) 29 (28)
    T3 22 (22) 21 (21)
    T4 23 (23) 27 (26)
Months to Death/Censor, Median (IQR) 23.5 (17.4 – 24.0) 21.2 (14.6 – 24.0)
 
# 重置gtsummary风格
reset_gtsummary_theme()

21.5 表格导出

gtsummary表格可以导出为多种形式，此时需要将表格用as_gt()函数转为gt格式，再使用gtsave()函数导出。但是这种方法导出为word时容易乱码，此时可以使用flextable包的save_as_docx()函数。

summary_table <- trial %>% 
  select(trt, age, marker, stage, ttdeath) %>% 
  tbl_summary(
    by = trt,
    statistic = (
      list(
        all_continuous() ~ "{mean} ({sd})", # 设置所有连续变量的描述方式
        c("age","marker") ~ "{median} [{p25}, {p75}]", # 单独设置age,marker变量描述方式
        all_categorical() ~ "{n} / {N} ({p}%)" # 设置所有分类变量的描述方式
      )
    ),
    digits = (
      list(
        all_continuous() ~ 2, # 设置连续变量的小数点位数
        "age" ~ 0 # 单独设置age变量的小数点位数
      )
    ),
    # missing = "no", # 此行代码将不显示缺失值
    missing_text = "Missing", # 将缺失值一栏显示为"Missing"
    label = stage ~ "Tumor Stage", # 调整变量名称
  ) %>% 
  add_p( # 添加组间比较
    test = list(c("marker","ttdeath") ~ "t.test"),
    pvalue_fun = function(x){style_pvalue(x, digits = 2)} # 设置P值的小数点位数
  ) %>% 
  add_overall() %>%  # 添加总体描述
  add_n() %>% # 添加总体样本量
  modify_header(
    label ~ "**Variable**" # 调整变量栏名称
  ) %>%  
  modify_spanning_header(
    c("stat_1", "stat_2") ~ "**Treatment Group**" # 为分组添加变量名称stat_1,stat_2不能改
  ) %>% 
  modify_footnote(
    all_stat_cols() ~ "Median [Q1,Q3], Mean (SD) or Frequency (%)", # 调整表注
  ) %>%
  separate_p_footnotes() %>% # 为各类比较分别添加表注
  modify_caption("**Table 1. Patient Characteristics**") %>% # 添加表题
  bold_labels() # 将变量名称加粗

# # 导出为PDF
# summary_table %>% 
#   as_gt() %>% # 需要先转换为gt格式再进行存储
#   gt::gtsave(filename = "summary.pdf")

# # 导出为word
# summary_table %>% 
#   as_flex_table() %>%
#   flextable::save_as_docx(summary_table, path='summary.docx')